Anna Blajer-Gobiewska

Katedra Mikroekonomii
Uniwersytet Gdaski
MODELOWANIE NIEPENEJ INFORMACJI
ZA POMOC TEORII GIER
Niepena informacja
Zjawisko niepenej (niekompletnej) informacji wraz z jego implikacjami nie zostao od-
kryte dopiero w XX w. Problem by zauwaany wczeniej, ale nie zosta w peni zbadany.
Przykadem mog by prace A. Marshalla, ktry ju w XIX w. pisa , e paca nie zawsze
odpowiada rzeczywicie wykonanej przez pracownikw pracy, poniewa utrudnione s nad-
zr i weryfikacja kadego pracownika. Marshall nie przeprowadzi gbszych bada tego zja-
wiska twierdzc, e uwzgldnienie niedoskonaoci informacji skomplikowayby analiz eko-
nomiczn zagadnie i z tego powodu nie podejmowa tematu dostpu do informacji. F. von
Hayek bada pojcie rwnowagi walrasowskiej podporzdkowujcej podmioty gospodarcze
wycznie mechanizmowi rynkowemu przy zaoeniu, e konsumenci posiadaj doskona
informacj na temat cen. Wprowadzi do teorii rwnowagi Walrasa gracza rynkowego - plani-
st - odpowiednik rzdu w socjalizmie, ktry zbieraby informacje i w scentralizowany spo-
sb ustala rwnowag na rynku. W przeprowadzonych analizach wykaza, e centralny pla-
nista nie moe by graczem rynkowym w rozumieniu koncepcji walrasowskiej oraz, e ze
wzgldu na utrudniony dostp do informacji niemoliwe jest efektywne centralne planowanie.
Jego rozwaania, jako leseferysty, miay na celu obalenie koncepcji ekonomii centralnie pla-
nowanej, jednake udowodniy, e niepena informacja prowadzi do nieefektywnoci. Z tego
powodu Hayek uwaany jest za prekursora uwzgldniania roli wiedzy, informacji w gospo-
darce (Rosses J. B. Jr., 2003).
Teorie uwzgldniajce wpyw informacji lub jej braku powstaway gwnie w latach 60.
XX w. Dotyczyy one czsto zagadnienia konfliktu, jak np. badania T. C. Schellinga, ktre
zaowocoway w 1960 r. pozycj Strategia konfliktu. Zjawisko niepenego dostpu do in-
formacji zyskiwao na znaczeniu wraz z rozwojem teorii podejmowania decyzji, upowszech-
nieniem si bada dotyczcych rozwizywania konfliktw. Niepena informacja jest podstaw
wielu teorii np. teorii agencji, czy te zjawiska tzw. pokusy naduycia (moral hazard).
W latach 60. i 70. XX w. uksztatowaa si teoria asymetrii informacji. Dotyczy ona
zjawiska nierwnego dostpu do informacji graczy rynkowych oraz moliwoci podejmowa-
nia decyzji w takich sytuacjach. Pojcie asymetrii informacyjnej wprowadzi do ekonomii J.
A. Mirrlees, ktry za badania relacji pomidzy przedsibiorstwami prywatnymi a rzdem w
kontekcie asymetrii informacyjnej otrzyma w 1996 r. nagrod im. A. Nobla. W tym samym
roku nagrod im. A. Nobla przypada rwnie w udziale W. Vickreyowi za wkad w rozwj
teorii dziaania w warunkach, gdy zdobycie penej informacji o rynku nie jest moliwe. W.
Vickrey analizowa aukcje oraz procesy przekazywania uprawnie do prowadzenia dziaalno-
ci. Byy to wic zjawiska, na ktre wczeniej zwrci uwag Marshall, sytuacje, gdzie z ca
pewnoci istotn rol odgrywa niepena informacji.
Elementy teorii niepenej informacji mona byo znale rwnie w pracach ekonomi-
sty, ktry otrzyma nagrod im. A. Nobla o rok wczeniej ni Mirrlees i Vickrey. W 1995 r.
nagrod im. A. Nobla zosta uhonorowany R. Lucas - twrca teorii racjonalnych oczekiwa,
ktry rozwin znane teorie rozszerzajc ich zastosowanie do rwnowagi oglnej oraz makro-
ekonomicznej analizy dynamicznej. Lucas podkrela, e podmioty gospodarcze dziaaj w
Modelowanie niepenej informacji za pomoc teorii gier 59
warunkach niepewnoci, niedoskonaej informacji, przy wysokich kosztach dostpu do in-
formacji. Jednake, podejmujc powtarzalne decyzje, prbuj przewidzie ksztatowanie si
przyszych wielkoci ekonomicznych, opierajc si na zdobytych informacjach. W ten sposb
wycigaj wnioski na podstawie analizy puli informacji, ktra podlega cigej ewolucji. Ka-
dy z graczy rynkowych, posiadajcy dostpne informacje, stara si wykorzysta je w sposb
optymalny zbierajc przy tym nowe dowiadczenia, informacje (pod warunkiem, e oczeki-
wany przychd z tych informacji przewysza koszt ich uzyskania). Stwierdzenie to prowadzi
wprost do regu bayesowskich stosowanych w analizach niepenej informacji.
Jednake najsynniejsi badacze problemu asymetrii informacji otrzymali nagrod im. A.
Nobla dopiero 2001 r., cho ich prace znajdoway uznanie ju w latach 60. i 70. XX w. G. A.
Akerlof, J. E. Stiglitz i M. Spence przedstawili i rozwinli narzdzia suce badaniu asyme-
trii informacji. Noblici stwierdzili, e rynki, na ktrych brak jest dostatecznej informacji,
zachowuj si inaczej ni te, na ktrych jest dostp do penej informacji. Stworzyli funda-
menty oglnej teorii rynkw cechujcych si asymetri informacji.
J. E. Stiglitz analizowa procesy self-screening na rynku ubezpiecze. Maj one na
celu zagodzenie asymetrii informacji pomidzy ubezpieczajcym si a ubezpieczycielem.
Umoliwiaj ubezpieczycielowi okrelenie typu klienta na podstawie dokonywanych przez
niego wyborw. Natomiast znany artyku G. A. Akerlofa The Market for Lemons: Quality
Uncertainty and The Market Mechanism (1970r.) jest najpopularniejszym przykadem ilu-
strujcym asymetri informacji. Na prostym przykadzie sprawnych i wadliwych samocho-
dw autor przedstawia problem dostpu do informacji oraz jego implikacje dla rynku. Punk-
tem wyjcia s, podkrelone w tytule artykuu, jako i niepewno. Nabywca nieposiadajcy
dostpu do penej informacji o kupowanym samochodzie obawia si, e zakupiony towar
okae si bublem. Niepewno, co do jakoci towaru spowoduje, e nie zapaci za niego ceny
wyszej od rednie ceny rynkowej samochodu. Po tej cenie adna osoba sprzedajca sprawny
samochd nie bdzie skonna go sprzeda. W rezultacie samochody sprzedadz tylko waci-
ciele gratw (lemons). Zjawisko powysze, czyli wyparcie dobrych pod wzgldem jakoci
towarw poprzez towary niszej jakoci, Akerlof okreli mianem selekcji negatywnej. Jest to
proces podobny do opisanego przez prawo Kopernika-Greshama tzw. psucia pienidza. Opi-
sany w artykule przypadek nie jest jedynym przykadem selekcji negatywnej w ekonomii.
Selekcja negatywna obejmuje szerszy zakres analizy i gwnie odnosi si do dziaalnoci
przedsibiorstw (Hirshleifer J., Glazer A. Hirshleifer D., 2005). Pojawia si ona na skutek
wiadomego zatajania informacji przez uczestnikw gry rynkowej, przy wystpowaniu nega-
tywnych efektw zewntrznych. Akerlof zauway, e istniej sposoby na ominicie zjawiska
selekcji negatywnej na rynku. Podkrela, e wystpuj rynki, na ktrych powtarzany proces
kupna-sprzeday lub te odpowiednia reputacja producenta stanowi rozwizanie problemu
selekcji negatywnej
M. Spence rozwin t teori (Spence, 1973). Jego poprzednie prace dotyczyy poko-
nywania barier konkurencji tym razem bya to bariera informacyjna. Opisa zachowanie
majce na celu uniknicie problemu selekcji negatywnej na rynku pracy tzw. sygnalizowanie
(signaling). Kompetentny agent, ktremu zaoferowano urednion stawk wynagrodzenia,
zbyt nisk w porwnaniu z jego kompetencjami, nie musiaby ju rezygnowa z pracy, a
przedsibiorstwo produkujce dobra wysokiej jakoci mogoby da za nie wyszej ceny.
Wyjciem z problemu byoby sygnalizowanie jakoci. W problematyce przedsibiorstwa
przejawioby si to wystawianiem gwarancji na produkty, co miaoby wiadczy o ich wyso-
kiej jakoci. W teorii agencji agent przedstawiaby referencje, dyplomy itp. udowadniajc tym
samym swe wysokie kompetencje. Czsto jednak koszty zdobycia sygnau mog by zbyt
wysokie ze wzgldu na wystpujce koszty alternatywne, np. utracone zarobki w czasie stu-
diowania. Wwczas, osabione zostan motywacje kompetentnych agentw do zdobywania
sygnaw. Brak zjawiska dawania sygnaw oznacza bdzie, e wszyscy agenci bd wyna-
60 Anna Blajer-Gobiewska
gradzani wedug redniej stawki, ustalonej dla przecitnych zdolnoci agenta.
Analiza zjawisk cechujcych si niedoskona informacj, czy te asymetri informacji
wymagaa uycia odpowiedniego narzdzia badawczego. Rozwijajca si w tym samym okre-
sie teoria gier nadawaa si do tego doskonale. Przedstawienie problemu jako gry pozwala
zale nowe rozwizania, nie jest to ju tylko zwyky problem decyzyjny. Teoria gier wypra-
cowaa metody badawcze, ktre precyzyjniej ni inne znane dziay matematyki ujmoway
zoone zagadnienia pod wzgldem ilociowym, a take do pewnego stopnia jakociowym. W
rezultacie jej rozwj wspomaga i przyspiesza rozwj bada nad rol informacji w procesach
podejmowania decyzji. Teoria gier zyskaa popularno zwaszcza po 1994 r., kiedy to J.
Nash, R. Selten i J. Harsnyi otrzymali nagrod im. A. Nobla za rozwinicie gier niekoopera-
cyjnych. Jednake teoria gier przeywaa swj rozkwit ju od lat 60. i 70. XX w. W tych la-
tach T. Schelling przeprowadza wspomniane powyej badania w zakresie konfliktu i wsp-
pracy wykorzystujc narzdzia teorii gier. W tym samym czasie J. Aumann analizowa gry
powtarzalne przy uwzgldnieniu asymetrii informacji. T. Schelling i J. Aumann otrzymali
wsplnie nagrod im. A. Nobla dopiero w 2005 r.
Obecnie teoria gier jest istotnym narzdziem sucym analizie niedoinformowania, czy
te niedoskonaej informacji, a gry z niepen informacj stanowi najpopularniejszy kierunek
w teorii gier.
Informacja w modelach teorii gier
W teorii gier analizuje si sytuacje rnice si midzy sob pod wzgldem dostpu do
informacji. Informacje bdce w posiadaniu wszystkich graczy nazywa si wspln wiedz.
Zaoeniem uatwiajcym modelowanie za pomoc teorii gier jest zaoenie wsplnej wiedzy
o racjonalnoci graczy. Jest ono odpowiednikiem zaoenia o racjonalnoci w modelach eko-
nomicznych. W teorii gier, gdzie model jest dynamiczny, oznacza ono, e kady z graczy
przyjmuje za pewne racjonalne zachowania przeciwnikw na kadym etapie gry i wie, e oni
rwnie zakadaj, e jego zachowanie jest racjonalnie. Przy takim zaoeniu wszystkim
uczestnikom atwiej jest przewidzie rozwj gry. Jednak czasami zdarza si tak, e gracze nie
posiadaj wiedzy, a jedynie mog mie pewne oczekiwania np. odnonie do ich pooenia w
grze. Jeeli ich oczekiwania s identyczne (gracze niekoniecznie musz by tego wiadomi),
to nazywa si je oczekiwaniami zgodnymi (Hirshleifer, Riley, 1992).
Doskonaa informacja w modelu oznacza, e kady z graczy wie dokadnie, w ktrym
miejscu gry (w ktrym wierzchoku drzewa decyzyjnego) si znajduje. Ponadto w grze nie
mog wystpowa ruchy symultaniczne (jednoczesne), ani ruchy natury, chyba, e bd w
peni obserwowane przez wszystkich graczy. Gry z doskona informacj objte s najbar-
dziej restrykcyjnymi zaoeniami. Jeeli wic w danej grze wystpuje asymetria informacji
lub informacja jest niekompletna, wwczas taka gra na pewno bdzie gr z niedoskona
informacj (Rasmusen, 2006). Gr o doskonaej informacji moe by niesymultaniczna gra z
pewn informacj.
Pewna informacja w grze oznacza, e po adnym z ruchw graczy nie nastpi posu-
nicie natury. Jeeli jednak w grze bierze udzia gracz natura (zwana czasem losem), to
nie mona okreli prawdopodobiestwa wykonania przez tego gracza danego ruchu. W sytu-
acji niepewnej informacji, kiedy nieznane s nawet prawdopodobiestwa wystpienia po-
szczeglnych posuni gracza natury, mona zastosowa metody optymalizacji wyborw w
warunkach niepewnoci (Blajer-Gobiewska, Czerwonka, Zielenkiewicz, Pankau, 2006), np.:
metod Savagea (minimaks);
metod Walda (maksimin);
metod Hurwicza (wskanika pesymizmu-optymizmu);
metod Laplacea-Bayesa (rwnych prawdopodobiestw);
Modelowanie niepenej informacji za pomoc teorii gier 61
metod obserwacji i eksperymentw szczeglnie popieran przez R. Seltena itp.
Informacja symetryczna wystpuje, kiedy aden z graczy wykonujc ruch nie bdzie
w posiadaniu innej, dodatkowej informacji ponad te informacje, ktre posiadaj przeciwnicy.
Wedug E. Rasmusena, w grze z symetryczn informacj zbir informacyjny gracza w jakim-
kolwiek wierzchoku, w ktrym gracz podejmuje decyzj lub te w kocowym wierzchoku,
zawiera co najmniej takie same elementy jak zbiory informacyjne innych graczy (Rasmusen,
2006). Gry z udziaem natury rwnie mog zapewnia symetryczny dostp graczy do infor-
macji. Jeeli jednak jeden z graczy posiada dodatkow, tylko jemu dostpn informacj, to
moe wykorzysta t asymetri informacji w celu osignicia przewagi. Ponadto kady z
graczy moe dawa sygnay innym graczom, aby przekaza informacj. Taki komunikat nie-
koniecznie musi zawiera informacje prawdziwe. Gracze mog celowo wprowadza si na-
wzajem w bd. Asymetria informacji jest rodzajem niepenej informacji, aczkolwiek w
szczeglnych wypadkach mog wystpowa gry z pen, ale niesymetryczn informacj.
Znaczenie asymetrii informacji w grze moe zosta w pewnym stopniu zmniejszone, jeeli
bdzie to gra powtarzalna. Jeeli bdzie to gra o nieskoczonej (lub trudnej do okrelenia)
liczbie posuni, wwczas graczom opaca si kooperacja.
Stosowana niegdy definicja gier z kompletn (pen) informacj wskazywaa e s to
gry, w ktrych wszyscy gracze znaj ich zasady, a wic kady z graczy zna dostpne zbiory
strategii i funkcje wypat przeciwnikw. W odwrotnym przypadku mwi si o informacji
niekompletnej (niepenej). Jeeli w grze z niepen informacj gracze nie posiadaj informa-
cji o posuniciach przeciwnikw, to ju zwyk gr symultaniczn mona zaliczy do katego-
rii gier z niepen informacj. Gry z niekompletn informacj, tzw. I-games, byy obiektem
bada J. Harsnyiego. Nalecy do kanonu opracowa z zakresu teorii gier artyku J. Hars-
nyiego Games with incomplete information played by Bayesian players (Harsnyi,1967-
8) wskazywa, e tak zdefiniowane gry z niepen informacj np. gry symultaniczne mona
atwo zamieni na gry z informacj pen, aczkolwiek niedoskona. Nowsza definicja gier z
niepen informacj stanowi, e natura, jako gracz wykonujcy posunicia losowe nie moe
wykonywa ruchu jako pierwsza, chyba, e jej ruch jest w peni obserwowany przez pozo-
staych graczy
1
. O niepenej informacji mona mwi, gdy natura wykonuje ruch jako pierw-
sza i nie jest obserwowalna dla chocia jednego z graczy (Rasmusen, 2006). Niepena infor-
macja moe odnosi si do (Blajer-Gobiewska, Zielenkiewicz, 2005):
zbiorw moliwych strategii;
funkcji wypat pozostaych graczy lub nawet swojej wasnej;
dostpnych zasobw;
informacji w posiadaniu rywali ;
pooenia gracza w zborze informacyjnym itp.
Zbir informacyjny gracza to zbir wierzchokw drzewa decyzyjnego dostpnych dla
tego gracza, w danym momencie gry, ale lecych na rnych gaziach drzewa. W grach z
pen informacj kady wierzchoek jest sam w sobie zbiorem informacyjnym (Malawski,
Wieczorek, Sosnowska, 2004). W grach z niepen informacj, gdzie zbir informacyjny mo-
e skada si z kilku wierzchokw, gracz nie potrafi bezporednio okreli swojego pooe-
nia w zbiorze informacyjnym. Wanie takie gry z niepen informacj czsto rozpoczyna
gracz natura.
Dan gr z niepen informacj np. gr symultaniczn mona rwnie atwo zamieni
w gr z niepewn informacj, wprowadzajc zaoenie, e gracze podejmuj decyzje w kolej-
noci ustalonej przez natur (Rasmusen, 2006). Mona te gr z niepewn informacj podda
randomizacji na podstawie przewidywanych prawdopodobiestw. Gracz okrela prawdopo-

1
Gry symultaniczne oraz takie, gdzie natura decyduje na pewnym etapie, a jej ruch nie jest od razu obserwowal-
ny s grami z kompletn, ale niedoskona informacj (Rasmusen, 2006).
62 Anna Blajer-Gobiewska
dobiestwa na podstawie posiadanych informacji oraz innych czynnikw, ktre s rnie de-
finiowane (Carmichael, 2005). Moe to by dowiadczenie, przypuszczenia, intuicja. W ten
sposb, eliminujc z gry natur, otrzymuje si gr z pewn informacj.
Wyznaczanie rwnowagi w modelach z niepen informacj
W teorii gier czsto analizuje si sytuacje, kiedy gracze, lub jeden z nich, posiadaj nie-
pen informacj, niepewn informacj lub te, kiedy wystpuje asymetria informacji pomi-
dzy graczami. W powyszych grach pojcie rwnowagi Nasha musiao zosta odpowiednio
zmodyfikowane ze wzgldu na oczekiwania graczy. W grach z doskona informacj rwno-
waga Nasha zachodzi wtedy, gdy adnemu z graczy nie opaca si zmieni strategii przy da-
nych strategiach innych graczy. Innymi sowy, kady z graczy wybra najlepsz odpowied
(strategi) na strategie pozostaych graczy. W sytuacji niepenej informacji w grze zostanie
osignita rwnowaga Nasha, jeeli kady z graczy wybierze optymaln odpowied na prze-
widywane (z pewnym prawdopodobiestwem) strategie swoich rywali. Znajdowanie rwno-
wagi w takich grach polega na zaproponowaniu kombinacji strategii wynikajcych z powy-
szych czynnikw, a powstaych poprzez przyporzdkowanie odpowiednich prawdopodo-
biestw.
Randomizacja jest przydatn metod poszukiwania strategii wyznaczajcych rwnowa-
gi w grach z niepen informacj. Tam, gdzie wystpuj strategie czyste, w grach z pen in-
formacj rwnowagi mona czsto szuka metod indukcji wstecznej. Jednake, nie mona
zastosowa tej metody, kiedy pojawia si niepena informacja. W grach z niepen informacj
rwnowagi, a waciwie punktw rwnowagi, trzeba czsto szuka w ukadach strategii mie-
szanych, czyli strategii losowych (otrzymywanych po randomizacji). W grach mieszanych
strategia gracza skada si wic z kilku moliwych wyborw, gdzie kady wybr gracza jest
losowy i posiada okrelone prawdopodobiestwo p , a suma prawdopodobiestw wyborw
wynosi 1 (Malawski, Wieczorek, Sosnowska, 2004). Strategie mieszane, w odrnieniu od
strategii czystych, umoliwiaj czsto graczowi, ktry je stosuje uzyskanie przewagi wynika-
jcej z asymetrii informacji. Przeciwnik nie zna dokadnej funkcji (wynikajcej z przyporzd-
kowania prawdopodobiestw do poszczeglnych wyborw) wskazujcej na dobr strategii
gracza w danej sytuacji. Gracz, ktrego przeciwnik stosuje strategie mieszane nie jest w stanie
przewidzie wyniku gry.
Po okreleniu prawdopodobiestw mona w odpowiedni sposb okreli przewidywane
wypaty oraz preferencje. Model von Neumanna Morgensterna pozwala wyznaczy funkcj
uytecznoci oczekiwanej (EU). Jest ona sum iloczynw uytecznoci oczekiwanych z po-
szczeglnych k wyborw ) (
i
w u oraz prawdopodobiestw przyporzdkowanych do tych wy-
borw
i
p .
) (
1
i
k
i
i
w u p EU

=
=
W teorii gier wypat nazywa si uyteczno, ktr gracz uzyskuje, kiedy wszyscy
gracze wybrali swoje strategie i gra zostaa rozegrana lub te uyteczno oczekiwan, ktr
gracz otrzymuje jako funkcj strategii wybranych przez niego samego i przez jego rywali
(Rasmusen, 2006). Jednake, wypat czsto podaje si w liczbach oznaczajcych np. moli-
wy do zrealizowania zysk. Zakada si wic, e warto funkcji uytecznoci mona utosa-
mia z pewn wypat pienin.
Przewidywania, czy te oczekiwania graczy mog si zmienia. To oznacza, ze gracze
uzyskuj dostp do nowych informacji i na ich podstawie modyfikuj swoje oczekiwania wy-
raajce si przyporzdkowaniem danych prawdopodobiestw. W ten sposb nadaj oni no-
we wartoci prawdopodobiestwom wystpienia danej sytuacji. Aktualizacja oczekiwa jest
Modelowanie niepenej informacji za pomoc teorii gier 63
wic niczym innym jak zastosowaniem prawdopodobiestw warunkowych. Do obliczania
prawdopodobiestw warunkowych zajcia zdarze stosuje si twierdzenie Bayesa:
) (
) ( ) (
) (
) (
) (
B P
A P A B P
B P
B A P
B A P

=

=
Z tego powodu gry z niepen informacj, ktrych rozwizanie mona znale wprowa-
dzajc prawdopodobiestwa warunkowe zajcia zdarze, nazywa si Bayesian games, a gra-
czy Bayesian players.
Przykad: samoograniczenie cenowe, sygnalizowanie
Przykadem podejmowania decyzji na podstawie prawdopodobiestwa przewidywa
jest odstraszanie od wejcia. Przedsibiorstwo wchodzce na rynek, ktry dotychczas by
rynkiem monopolistycznym, musi by przygotowane na walk konkurencyjn z dotychcza-
sowym monopolist, pod warunkiem, e monopolista ten jest na tyle silny, by tak walk
podj. Jeeli powyszy warunek zostanie speniony, wwczas monopolista moe zastosowa
np. samoograniczenie cenowe (limit pricing). Zjawisko to, dobrze znane w teorii mikroeko-
nomii, byo pierwotnie rozpatrywane bez zastosowania teorii gier (Klimczak, 2006). Wyst-
puje tu asymetria informacji, poniewa konkurent, nieznajcy struktury kosztw monopolisty,
nie wie, jaka jest sia tego monopolu. Moe tylko przewidywa, e jest to sabe przedsi-
biorstwo z pewnym prawdopodobiestwem p . Obnienie ceny przez monopol to sygna dla
potencjalnej konkurencji, e koszty monopolu s niskie, e jest to silne przedsibiorstwo,
ktre z atwoci wyprze konkurentw z rynku. Potencjalny konkurent, chcc sprzedawa
swoje wyroby na tym rynku, powinien ustali cen na poziomie nie wyszym ni wynosi cena
dotychczasowego monopolisty. Biorc pod uwag wysokie koszty pocztkowe w takich
strukturach rynkowych nowe przedsibiorstwo prawdopodobnie poniosoby straty. Powysz
sytuacj mona przedstawi w postaci gry ekstensywnej z wypatami oznaczajcymi zyski
(grne wypaty to zyski konkurenta, dolne wypaty to zyski monopolisty) (Rys.1). Silny
monopolista inwestuje, by poprawi sw sytuacj na rynku (w tym przykadzie zainwestowa
10 jp.), a wic moliwe do uzyskania wyniki bdzie mia mniejsze od monopolisty sabego.
Jednake silny monopol wystpuje przy niszej elastycznoci cenowej popytu, co oznacza, e
klienci s mniej skonni do rezygnacji z jego towarw. Strategi dominujc silnego mono-
polisty w obliczu konkurencji jest wic walka konkurencyjna (WK), strategi (sabo) domi-
nujc sabego monopolisty natomiast nie podejmowanie dziaa (NP).
64 Anna Blajer-Gobiewska
Rysunek 1. Samoograniczenie cenowe jako gra z niepen informacj
rdo: opracowanie wasne.
Gdyby powysza gra sekwencyjna bya gr z pen informacj, wwczas rozwizania
naleaoby szuka metod indukcji wstecznej. Jeeli potencjalny konkurent zaledwie przewi-
duje, jakim typem jest monopolista, to rwnowagi naley szuka w strategiach mieszanych
wyznaczajc progowe prawdopodobiestwa wyboru danych strategii.
Warto tu zauway, e gr mona przedstawi jako gr z niepewn informacj zaka-
dajc, e na pocztku decyduje natura (np. czynniki ekonomiczne wpywajce na si przed-
sibiorstwa). Przyporzdkowujc pewne prawdopodobiestwo, z jakim monopolista moe
by silnym, otrzymuje si gr z pewn, aczkolwiek niepen informacj.
Konkurent wchodzc na rynek wie, e jeeli monopolista jest saby, to nie podejmie
adnych dziaa (NP) i wwczas wypata konkurenta wynosi 50, a jeli monopolista jest sil-
ny, to dojdzie do walki konkurencyjnej (WK) i wypata konkurenta wynosi bdzie -20. W
rezultacie wypata oczekiwana konkurenta przy podjciu decyzji o wejciu na rynek wynosi
p p p EV
W
70 50 50 ) 1 ( ) 20 ( = + = . Wypata oczekiwana, gdy konkurent postanowi nie
wchodzi na rynek, wynosi 0 =
NW
EV . Porwnujc powysze wypaty wida, e wejcie na
rynek jest opacalne tylko, jeeli
7
5
< p . Dla
7
5
> p nie opaca si konkurentowi wchodzi na
rynek,
7
5
= p jest wartoci progow dla podjcia decyzji.
Rwnowaga w tej grze to doskonaa rwnowaga bayesowska. Jej charakterystyczne ce-
chy to:
Strategie tworzce rwnowag s najlepszymi odpowiedziami na strategie przeciwnikw,
a wic zachodzi rwnowaga Nasha i std inna anglojzyczna nazwa doskonaej rwnowa-
MONOPOLISTA
KONKURENT
SILNY (p) SABY (1-p)
WCHODZI
WCHODZI
NIE
WCHODZI
NIE
WCHODZI
MONOPOLISTA

40
20

40
50

90
0

20
20

50
50

100
0
NP NP NP
NP
WK WK
Modelowanie niepenej informacji za pomoc teorii gier 65
gi bayesowskiej: Perfect Bayesian Nash equilibrium;
Strategie tworzce rwnowag prowadz do rwnowag rwnie we wszystkich podgrach
tej gry;
Typ gracza okrela decyzje podejmowane przez niego;
Strategie bdce odpowiedziami na strategie przeciwnikw s wyznaczane na podstawie
przewidywa, ze wzgldu na niepen informacj;
Przewidywania s aktualizowane zgodnie z reguami bayesowskimi.
Silny monopolista, chcc poprawi swoj pozycj w grze, powinien pokazywa swoj
si. Sabemu monopolicie pozostaje jedynie przekazywanie faszywych informacji o swojej
sile i sprawianie wraenia silniejszego ni jest. Wystpujce tu zjawisko sygnalizowania b-
dzie bardziej kosztowne dla sabego monopolisty. Na przykad w przypadku wydania gwa-
rancji, jako sygnau jakoci towarw, sabsze przedsibiorstwo wytwarzajce produkty gor-
szej jakoci bdzie musiao ponosi wysze koszty napraw. Odebranie sygnau przez konku-
renta sprawia, e bdzie on z wikszym prawdopodobiestwem postrzega monopolist jako
silnego. Dla monopolisty opacalne jest, by to zaktualizowane prawdopodobiestwo skonio
konkurenta do zaniechania wejcia na rynek, czyli wynosio wicej ni
7
5
.
Gdy w powyszym przykadzie zosta wysany sygna, to mona zdefiniowa dwa zna-
czce zdarzenia:
A monopolista jest silny;
B sygna zosta wysany.
Konkurenta interesuje szczeglnie warto prawdopodobiestwa warunkowego
) ( B A P . Jest to zaktualizowane prawdopodobiestwo graniczne, na podstawie ktrego kon-
kurent podejmuje decyzj. Zgodnie ze wzorem na prawdopodobiestwo warunkowe i regu
Bayesa wynosi ono:
) (
) ( ) (
) (
) (
) (
B P
A P A B P
B P
B A P
B A P

=

= .
Oznaczajc zdarzenie C monopolista jest saby, otrzymuje si:
)) ( 1 ( ) ( ) ( ) (
) ( ) (
) (
A P C B P A P A B P
A P A B P
B A P
+

= .
Jeeli przyjmie si, e silnemu monopolicie zawsze opaca si wysya sygnay
( 1 ) ( = A B P , to zaktualizowane prawdopodobiestwo graniczne, na podstawie ktrego kon-
kurent podejmuje decyzje bdzie zaleao od ustalonego wczeniej ) ( A P oraz od prawdopo-
dobiestwa wysyania sygnau przez sabego monopolist ) ( C B P .
)) ( 1 ( ) ( ) (
) (
) (
A P C B P A P
A P
B A P
+
=
Analizujc powyszy wzr mona stwierdzi, e:
jeeli konkurent wie, e monopolista jest silny 1 ) ( = A P , to sygna nie ma wpywu na
zmian decyzji 1 ) ( = B A P ;
jeeli sygna zosta wysany i wiadomo, e na danym rynku sabemu monopolicie nie
opaca si nigdy wysyanie sygnaw, to monopolista jest silny 1 ) ( = A P ;
jeeli sygna zosta wysany i wiadomo, e saby monopolista na danym rynku ma moli-
wo wysyania sygnaw (z zaoenia wiadomo, e silny rwnie), to ) ( ) ( A P B A P = .
66 Anna Blajer-Gobiewska
Innymi sowy, sygna nie spenia swojej roli i graniczna warto prawdopodobiestwa nie
ulega zmianie;
im wysze prawdopodobiestwo, e saby monopolista wysya sygnay, tym nisze praw-
dopodobiestwo, e wysany sygna oznacza silnego monopolist.
Podstawiajc za ) ( A P dan warto na rynku np.
2
1
) ( = A P (cho wiadomo, e gra-
niczne prawdopodobiestwo, ze monopol jest silny to
7
5
= p ) mona wyznaczy graniczne
prawdopodobiestwo sytuacji, w ktrej saby monopolista wysya sygna. Zakada si, e
zaktualizowane prawdopodobiestwo ) ( B A P rwne jest
7
5
= p i wtedy:
7
5
)
2
1
1 ( ) (
2
1
2
1
) ( =
+
=
C B P
B A P , czyli graniczne
5
2
) ( = C B P .
Jeeli prawdopodobiestwo, e zostanie dany sygna pod warunkiem, e monopolista
jest saby bdzie wiksze od
5
2
, to zaktualizowana warto
7
5
) ( = < p B A P i konkurent wej-
dzie na rynek.
Zgodnie z przyjtym wczeniej zaoeniem silnemu monopolicie opaca si dawanie
sygnaw, natomiast nie wiadomo, kiedy opaca si to sabemu monopolicie. Mona to wy-
znaczy porwnujc wartoci oczekiwane zaniechania sygnau oraz dawania sygnau. W
pierwszym przypadku konkurent wchodzi na rynek i wypata monopolisty wynosi 50. War-
to oczekiwana po zastosowaniu sygnau zaley od prawdopodobiestwa, z jakim konkurent
wejdzie na rynek
) (W P
, a mona j opisa wzorem:
KS W P KS W P KS W P EV
s
+ = + = 50 ) ( 50 ) 50 ( )] ( 1 [ ) 100 ( ) (
,
gdzie KS to koszt sygnau. Jeeli koszt ten wynosiby np. 20, to warto oczekiwana dla sa-
bego monopolisty po zastosowaniu sygnau wynosiaby 30 ) ( 50 + = W P EV
s
. Porwnujc t
warto z wartoci oczekiwan zaniechania sygnau otrzymuje si warto graniczn praw-
dopodobiestwa, z jakim konkurent wejdzie na rynek
5
2
) ( = W P
.
W teorii przedstawionej przez Harsnyiego podkrela si subiektywno prawdopo-
dobiestw, ktre stanowi podstaw wyborw graczy. Nawet jeeli takie subiektywne praw-
dopodobiestwo rni si od rzeczywistego, to po pewnej liczbie rozgrywek gracz jest w sta-
nie skorzysta z efektu uczenia si i zaktualizowa przewidywane prawdopodobiestwo (w
modelu aktualizacja nastpi zgodnie z reguami bayesowskimi).
Podsumowanie
Problem dostpu do informacji jest problemem szerokim i dotyczy wielu aspektw
rzeczywistoci. Gdy utrudnione s charakterystyka i analiza badanego problemu, przede
wszystkim ze wzgldu na wystpujc niepewno, rozwizania mona szuka jedynie teorii
gier. Pozwala ona, przy pomocy randomizacji, przeksztaci problem stwarzajc warunki ry-
zyka, co sprawia, e staje si on rozwizywalny. Ponadto kady dynamiczny problem moe
uzyskiwa coraz to bardziej efektywne rozwizania w kolejnych rozgrywkach korzystajc z
efektu uczenia si ukrytego w regule Bayesa. Przedstawiony w tym artykule przykad obra-
zuje, jak mona tworzy przystpne modele rozwizywania problemw informacyjnych wy-
Modelowanie niepenej informacji za pomoc teorii gier 67
stpujcych w rzeczywistoci. W ten sposb teoria gier umoliwia uzyskanie najwyszej
uytecznoci w modelowaniu problemw zwizanych z informacj, pozwalajc na przedsta-
wienie ich w prostszej postaci, uatwiajc ich analiz i prowadzc do uzyskania najefektyw-
niejszych rozwiza.
BIBLIOGRAFIA:
1. Akerlof G. A., (1970), The Market for Lemons: Quality Uncertainty and The Market
Mechanism, The Quartely Journal of Economics, Vol. 84, No. 3.
2. Binmore K., (1992), Fun and games, Heath & Co, Lexington.
3. Blajer-Gobiewska A., Czerwonka L., Zielenkiewicz M., Pankau E., (2006), Ekonomia
matematyczna w zadaniach, Wydawnictwo Uniwersytetu Gdaskiego, Gdask.
4. Blajer-Gobiewska A., Zielenkiewicz M., (2005), Teoria gier jako narzdzie ekonomii
XX I XXI wieku [w]: Teoretyczne aspekty gospodarowania, red. D. Kopyciskiej, Wy-
dawnictwo Katedry Mikroekonomii Uniwersytetu Szczeciskiego, Szczecin.
5. Carmichael F., (2005), A Guide to game theory, Financial Times Prentice Hall, Harlow.
6. Cho, I.-K., Kreps D., (1987), Signaling Games and Stable Equilibria, Quarterly Journal of
Economics, 102(2).
7. Harsnyi J., (1967-8), Games with incomplete information played by Bayesian players,
I-III, Management Science, Vol. 14, No. 3, Theory Series.
8. Hirshleifer J., Glazer A. Hirshleifer D., (2005), Price Theory and Applications, Cambridge
University Press, Cambridge.
9. Hirshleifer, Riley, (1992), The Analytics of Uncertainty and Information, Cambridge Uni-
versity Press, Cambridge.
10. Klimczak B.,(2006) Mikroekonomia, Wydawnictwo Akademii Ekonomicznej we Wro-
cawiu, Wrocaw.
11. Kreps D., (1990), Game theory and economic modeling, Oxford University Press, Oxford.
12. Malawski M., Wieczorek A., Sosnowska H., (2004), Konkurencja i kooperacja. Teoria
gier w ekonomii i naukach spoecznych, Wydawnictwo Naukowe PWN, Warszawa.
13. Rasmusen E., (2006), Games and Information: An Introduction to Game Theory, Black-
well Publishers.
14. Rosses J. B. Jr., (2003), A Nobel Price for Asymmetric Information: the economic contri-
butions of George Akerlof, Michael Spence and Joseph Stiglitz, Review of Political
Economy, vol. 15 nr 1, Wydawnictwo Routledge.
15. Schelling T., (1960), The Strategy of Conflict, Oxford University Press, New York.
16. Spence A.M., (1973), Job Market Signaling, Quarterly Journal of Economics, T. 87, nr
3.